从返回 NumPy 数组的循环中收集结果

Question

我是公认的非常基础的 Python 程序员，在遇到实现各种研究问题的问题时尝试学习。而且我遇到了其中一个问题 - 特别是如何处理我返回一堆数据的循环，而不是通常的“输出单个数字”示例，您只需将循环的结果添加到前面的所有内容中.

这是我尝试运行的未循环脚本的要点：https://gist.github.com/1390355

真正的亮点是model_solve函数的结束：

def model_solve(t):
    # lots of variables set
    params = np.zeroes((n_steps,n_params)
    params[:,0] = beta
    params[:,1] = gamma
    timer = np.arange(n_steps).reshape(n_steps,1)
    SIR = spi.odeint(eq_system, startPop, t_interval)
    output = np.hstack((timer,SIR,params))
    return output

这将返回 ODE 积分位 (spi.odeint) 的结果以及简单的“我们处于什么时间步？”计时器和本质上是两个随机变量的两列值，以 4950 行和 7 列的 NumPy 数组的形式重复了很多次。

然而，我们的目标是对具有随机值的两个参数（beta 和 gamma）进行 Monte Carlo 分析。本质上，我想创建一个循环的函数，有点像这样：

def loop_function(runs):
  for i in range(runs):
    model_solve(100)
    # output of those model_solves collected here
  # return collected output

然后将收集的输出写入文件。通常，我只是让每个 model_solve 函数将其结果写入文件，但此代码将在 PiCloud 或另一个平台上运行，在返回结果之前我不一定有能力写入文件到本地机器。相反，我试图返回一个包含 runs*7 列和 4950 行的巨大 NumPy 数组 - 然后可以将其写入本地计算机上的文件。

关于如何解决这个问题的任何线索？

Answer 1

使用列表保存所有结果：

results = []
for i in range(runs):
    results.append(model_solve(100))

然后通过以下方式获取输出数组：

np.hstack(results)

Answer 2

实际上，如果您的代码有一个更大的循环，您应该始终尝试向量化您的问题。 如果速度很重要，您应该知道“for 循环”是一个瓶颈。此外，追加操作非常慢并且需要更多内存，因为它会创建副本。因此，更好的解决方案应该是：

results = [0]*runs # if you want to use lists...

[model_solve(100) for x in results] # do see list comprehension in python 

除了使用列表，你还可以直接使用数组来存储你的结果：

resutls=np.zeros([numberOfRuns,ShapeOfModelResults])

for i in range(numberOfRuns):
    results[numberOfRuns,modelSolve(100)] # this will put the result directly in the matrix

希望我的回答能帮助你写出更快更清晰的代码